近日，梅卡曼德正式发布AI质检平台软件Mech-DLK，内置多种强大的深度学习算法，且有简单的图形化界面。用户通过简单操作，即可使用先进的人工智能技术高效解决各类复杂质检问题，提升生产效率和质量，降低用工成本。目前，Mech-DLK已经成功将AI质检应用于新能源、3C电子、PCB（印刷电路板）、汽车、日用品等行业。

Mech-DLK四大功能模块

图像分类

可指定类别后判断物体状态、类别，例如物体有无检测、正反面检测，缺陷分类等。

目标检测

确认图像中指定物体的类别、位置、数量。

语义分割

像素级图像分类，可应对精细程度高、形状不规则的缺陷。

实例分割

从大量堆积的物品中识别并找出指定物体，标注出物体的轮廓及类别。

技术优势

高精度算法：自研高精度深度学习检测算法，可应对多种检测类应用，减少参数数量的同时保证缺陷检测准确率。

支持小样本数据：依靠先进的数据倍增方式，Mech-DLK可快速整合图像数据，少量样本即可完成模型训练。

先进的训练过程：基于自主设计的先进损失函数，自适应调整正负样本平衡策略，使训练收敛更快。

功能优势

1.操作简单

· 图形化界面功能完善且操作便捷，用户无需专业技能即可实现多种深度学习应用；

· 采用数据列表、图片备注等功能，便于数据的导入、查找和管理；

· 便捷的标注方式，大幅提升操作效率。

2.高效部署

支持级联多个深度学习模型，部署复杂的检测类应用只需一个模型包。

3.验证结果可视化

支持模型验证，对比标注结果大幅提升视觉方案验证效率。

4.开放易用

支持使用 Mech-Vision 图形化机器视觉软件进行部署；提供 C、C++ 以及 C# 等不同语言的SDK，便于用户二次开发；

Mech-DLK可针对不同的应用场景（无序抓取、工件上下料、检测测量）需求提供相应的软件版本。

实际案例：动力电池焊缝缺陷检测

项目难点：项目需检测软包锂电池极耳在激光焊接过程中产生的外观缺陷。软包锂电池产品种类较多，不同机种极耳排布不同，检测工程需要兼容多种产品，且部分缺陷成像不明显。

软包动力电池及其激光焊接缺陷检测结果图

项目优势：

· 检测速度快，可以应对各类细小缺陷；

· 配合 Mech-Vision 图形化机器视觉软件快速部署深度学习业务，与产线现存的自动化设备无缝集成；

· 利用 Mech-DLK 深度学习软件，用少量缺陷图片训练高精度检测模型；

· 基于 Mech-DLK 模型级联方式，“端到端”实现缺陷检测和缺陷分类；

· 投资回报率高，完全满足用户需求。

项目成果：视觉方案已替代客户人工质检工位，漏检率＜ 0.2%，过检率＜ 1%。

实际案例：RJ45 接插件缺陷检测

项目难点：项目需检测 RJ45 接插件顶面、侧面和 Pin 针插孔等各功能区的外观缺陷。RJ45 接插件各表面的材质不同且外观缺陷种类较多，部分外观缺陷如金属面划伤、注塑面凹坑等缺陷成像较弱且容易受背景干扰。

检测结果图（左：金属面划伤、右：塑件损伤）

项目优势：

· 多工位视觉系统，覆盖RJ45各表面及功能区域；

· 整合各类 2D、3D 视觉方案，实现各类外观缺陷（压伤、变形、金属三伤、注塑面凹坑等）的高对比度成像，避免背景干扰。

· 利用 Mech-DLK 深度学习软件，分别训练金属面、注塑面、Pin 针插孔等各功能区的缺陷检测和分类模型；

· 配合 Mech-Vision 图形化机器视觉软件实现多个检测工位通讯、视觉器件控制和生产数据统计及展示等功能。

项目成果：基于此方案的自动检测设备检测速度快、准确率高，已接入客户产线并批量生产。